将字符列拆分为多个二进制 (0/1) 列

Question

我有一个这样的字符向量：

a <- c("a,b,c", "a,b", "a,b,c,d")

我想做的是创建一个数据框，其中每个字符串中的单个字母由虚拟列表示：

   a    b    c    d
1] 1    1    1    0
2] 1    1    0    0
3] 1    1    1    1

我觉得我需要使用 read.table 和 reshape 的某种组合，但我真的很挣扎。任何帮助表示赞赏。

Answer 1

您可以尝试 cSplit_e 来自我的 "splitstackshape" 包：

library(splitstackshape)
a <- c("a,b,c", "a,b", "a,b,c,d")
cSplit_e(as.data.table(a), "a", ",", type = "character", fill = 0)
#          a a_a a_b a_c a_d
# 1:   a,b,c   1   1   1   0
# 2:     a,b   1   1   0   0
# 3: a,b,c,d   1   1   1   1
cSplit_e(as.data.table(a), "a", ",", type = "character", fill = 0, drop = TRUE)
#    a_a a_b a_c a_d
# 1:   1   1   1   0
# 2:   1   1   0   0
# 3:   1   1   1   1

还有 mtabulate 来自 "qdapTools":

library(qdapTools)
mtabulate(strsplit(a, ","))
#   a b c d
# 1 1 1 1 0
# 2 1 1 0 0
# 3 1 1 1 1

一个非常直接的基础 R 方法是使用 table 以及 stack 和 strsplit:

table(rev(stack(setNames(strsplit(a, ",", TRUE), seq_along(a)))))
#    values
# ind a b c d
#   1 1 1 1 0
#   2 1 1 0 0
#   3 1 1 1 1

Answer 2

一个基础 R - 但更长的解决方案：

el = unique(unlist(strsplit(a, ',')))
do.call(rbind, lapply(a, function(u) setNames(el %in% strsplit(u,',')[[1]]+0L, el))
#     a b c d
#[1,] 1 1 1 0
#[2,] 1 1 0 0
#[3,] 1 1 1 1

Answer 3

另一个复杂的 base-R 解决方案：

x  <- strsplit(a,",")
xl <- unique(unlist(x))

t(sapply(x,function(z)table(factor(z,levels=xl))))

这给出了

     a b c d
[1,] 1 1 1 0
[2,] 1 1 0 0
[3,] 1 1 1 1

Answer 4

另一个选项是 tstrsplit() 来自 data.table:

library(data.table)
vapply(tstrsplit(a, ",", fixed = TRUE, fill = 0), ">", integer(length(a)), 0L)
#      [,1] [,2] [,3] [,4]
# [1,]    1    1    1    0
# [2,]    1    1    0    0
# [3,]    1    1    1    1

Answer 5

在我写完这篇文章后，我注意到 Beauvel 上校的解决方案非常相似，但也许这足以成为一个单独的解决方案。没有使用包。

首先，我们将字符串拆分为一个向量列表，L，然后计算它们的并集，u。最后，我们为每个列表元素确定一个二进制向量并将它们 rbind 放在一起，使用 + 0 将结果从逻辑值转换为数字值并设置列名。

L <- strsplit(a, ",")
u <- Reduce(union, L)
m <- do.call(rbind, lapply(L, `%in%`, x = u)) + 0
colnames(m) <- u

给予：

> m
     a b c d
[1,] 1 1 1 0
[2,] 1 1 0 0
[3,] 1 1 1 1

已添加 最后两行代码可以替换为以下任一代码：

do.call(rbind, lapply(lapply(L, factor, levels = u), table))

do.call(rbind, Map(function(x) sapply(u, `%in%`, x), L)) + 0

Answer 6

遗憾的是，base R 不提供矢量化字符串匹配功能，但 stringi 包提供。

library(stringi)
a=c("a,b,c", "a,b", "a,b,c,d")
1*outer(a,unique(unlist(strsplit(a,","))),stri_detect_regex)

#     [,1] [,2] [,3] [,4]
#[1,]    1    1    1    0
#[2,]    1    1    0    0
#[3,]    1    1    1    1

Answer 7

我在 fastDummies 中使用 dummy_cols 取得了很多成功，它可以相当简单地解决这个问题，并且可以通过变量指定。

library(fastDummies)

a <- c("a,b,c", "a,b", "a,b,c,d")
a <- dummy_cols(a, split = ",")

产出

#    .data .data_a .data_b .data_c .data_d
# 1   a,b,c       1       1       1       0
# 2     a,b       1       1       0       0
# 3 a,b,c,d       1       1       1       1

将字符列拆分为多个二进制 (0/1) 列

Split character column into several binary (0/1) columns

split

r